基于机器视觉的超视场工件识别与定位抓取系统研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第16-21页 |
| 1.1 引言 | 第16-17页 |
| 1.2 研究的背景和意义 | 第17页 |
| 1.3 国内外研究现状 | 第17-18页 |
| 1.4 课题的来源与研究内容 | 第18-21页 |
| 第二章 基于机器视觉的超视场工件识别研究 | 第21-38页 |
| 2.1 概述 | 第21页 |
| 2.2 图像预处理 | 第21-27页 |
| 2.2.1 图像平滑 | 第22-24页 |
| 2.2.2 边界检测 | 第24-27页 |
| 2.3 SIFT特征点提取 | 第27-31页 |
| 2.3.1 图像尺度空间 | 第28-29页 |
| 2.3.2 DoG空间极值点确定及特征向量生成 | 第29-31页 |
| 2.4 图像匹配 | 第31-35页 |
| 2.4.1 基于灰度的匹配算法 | 第33-34页 |
| 2.4.2 基于特征的匹配算法 | 第34页 |
| 2.4.3 基于模板的图像匹配 | 第34-35页 |
| 2.5 超视场工件识别方法 | 第35-37页 |
| 2.6 本章小结 | 第37-38页 |
| 第三章 基于机器视觉的超视场工件定位与抓取研究 | 第38-54页 |
| 3.1 概述 | 第38页 |
| 3.2 标定 | 第38-46页 |
| 3.2.1 标定过程中常用的坐标系 | 第38-40页 |
| 3.2.2 相机成像模型 | 第40-42页 |
| 3.2.3 标定方法 | 第42页 |
| 3.2.4 标定实验 | 第42-46页 |
| 3.3 超视场工件位姿求解方法 | 第46-48页 |
| 3.4 智能定位抓取网络 | 第48-53页 |
| 3.4.1 活动区域划分 | 第49页 |
| 3.4.2 三层控制网络 | 第49-52页 |
| 3.4.3 系统自学习 | 第52-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第四章 超视场工件识别抓取系统构建与实验 | 第54-66页 |
| 4.1 概述 | 第54页 |
| 4.2 系统模型设计 | 第54-56页 |
| 4.3 系统运行流程 | 第56-57页 |
| 4.4 系统实例搭建 | 第57-60页 |
| 4.5 超视场工件识别抓取实验 | 第60-63页 |
| 4.6 实验结果与误差分析 | 第63-64页 |
| 4.7 本章小结 | 第64-66页 |
| 第五章 总结与展望 | 第66-69页 |
| 5.1 总结 | 第66-67页 |
| 5.2 展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读学位期间的学术活动及成果清单 | 第73-74页 |
